基于深度学习的电力负荷预测方法综述

• 作者: 孟醒 邵剑飞
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 深度学习 负荷预测 人工神经网络 机器学习 预测精度
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 器件与设计|PARTS & DESIGN
• 页码范围: 44-51
• 页数: 8页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16280/j.videoe.2022.01.012

摘要

电力能源的合理使用和调度一直是关系民生的重要问题,其中的电力负荷预测是近年来学者研究的重点.传统的基于统计学习方法的预测方法由于负荷的非线性和随机因素导致效果不佳,因此研究者把目光放在了近年来热门的人工智能(Artificial Intelligence,AI)领域,比如人工神经网络(Artificial Neural Network,ANN)、机器学习(Machine Learning,ML)和深度学习(Deep Learning,DL).最近,深度学习在电力负荷预测方面有着不俗的表现,比如基于时间序列的负荷预测.本文介绍深度学习在电力负荷和能源系统预测方面的经典算法,并通过比较各个预测模型的均方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)来衡量模型的精确度和鲁棒性,目的在于探索深度学习领域不同算法所建立的模型对电力负荷预测的误差和拟合度,为电力负荷预测在不同的数据结构和数据规模下提供模型参考.最后的结果表明,多个组合模型所得到的预测精度明显好于单个模型的预测精度.